آریا جوان - دیجیاتو / محققان زبان الکترونیکی جدیدی مجهز به هوش مصنوعی توسعه داده‌اند که می‌تواند در عرض چند دقیقه فساد و آلودگی مواد غذایی را شناسایی کند.
محققان دانشگاه ایالتی پنسیلوانیا، زبان الکترونیکی جدیدی مجهز به هوش مصنوعی توسعه داده‌اند که می‌تواند در عرض چند دقیقه فساد و آلودگی مواد غذایی را شناسایی کند.
این فناوری نوین با ترکیب حسگرهای گرافنی و شبکه‌های عصبی مصنوعی، می‌تواند کیفیت و اصالت غذا را با دقت بالا تشخیص دهد و راه‌حلی موثر برای مبارزه با تقلب‌های غذایی ارائه دهد.

زبان الکترونیکی مجهز به هوش مصنوعی، انقلابی در ایمنی غذایی
مقاله مرتبط با این دستاورد که در مجله Nature منتشر شده، نشان می‌دهد که زبان الکترونیکی به‌طور مؤثر می‌تواند تفاوت‌های جزئی میان مایعات مشابه را شناسایی کند. این سیستم مشابه به نحوه چشیدن انسان عمل می‌کند.
در حالی که زبان انسان از گیرنده‌های چشایی برای ارسال سیگنال به بخش مربوطه در مغز استفاده می‌کند، این زبان الکترونیکی از حسگرهای خود برای ارسال سیگنال‌های الکتریکی به یک شبکه عصبی مصنوعی استفاده می‌کند که داده‌ها را تحلیل می‌کند.
این فناوری می‌تواند در تشخیص فساد و تقلب مواد غذایی در مدت زمان کوتاه از جمله شناسایی شیر رقیق‌شده، تفاوت انواع قهوه‌ها و حتی پیگیری تازگی آبمیوه‌ها در طول روزها مؤثر باشد. در یک آزمایش جالب، این زبان الکترونیکی موفق شد با دقت بیش از 97 درصد تفاوت‌های میان انواع نوشیدنی‌ها مانند کوکاکولا معمولی، کوکاکولا رژیمی، پپسی و کوکاکولا بدون کافئین را شناسایی کند.
این سیستم، که بر مبنای گرافن ساخته شده، می‌تواند مواد شیمیایی مضر مانند اسید پرفلوروهگزانویک (که در صنعت برای تولید مواد مختلف استفاده می‌شود و می‌تواند به مواد غذایی و آب آلوده شود) را در سطحی معادل تشخیص یک قطره از این ماده در یک استخر المپیک شناسایی کند. این ویژگی آن را به ابزاری قدرتمند برای پیشگیری از ورود مواد آلوده به زنجیره غذایی تبدیل کرده است.
علاوه بر کاربردهای غذایی، این فناوری می‌تواند در حوزه‌های مختلفی از جمله تشخیص بیماری‌ها در پزشکی و تحلیل مواد شیمیایی در سایر صنایع مورد استفاده قرار گیرد. محققان معتقدند که این زبان الکترونیکی می‌تواند پایه‌گذار یک تحول در دسترسی به آزمایش‌های شیمیایی دقیق و مقرون به صرفه باشد.
این زبان الکترونیکی، که از سنسورهای نامتقارن استفاده می‌کند، برخلاف فناوری‌های پیشین که نیاز به سنسورهای دقیق و یکسان داشتند، می‌تواند با تفاوت‌های کوچک میان سنسورها سازگاری پیدا کند و در نتیجه هزینه تولید آن برای استفاده در مقیاس وسیع کاهش یابد.
این تحقیق نشان‌دهنده یک گام بزرگ در راستای استفاده از هوش مصنوعی برای بهبود ایمنی مواد غذایی و شفافیت در تأمین‌ مواد است.